Formation Parcours Data Scientist

Module 1 – Introduction aux métiers de la Data

Durée : 0,5 jour

• Enjeux de la Data et place des données dans les organisations.
• Panorama des principaux métiers et de leurs responsabilités.
• Compétences, outils et interactions au sein de l’écosystème Data.
• Tendances et évolutions des métiers de la Data.

Module 2 – Introduction à l’Intelligence Artificielle

Durée : 0,5 jour

• Principes fondamentaux et grandes familles de l’IA.
• Introduction au Machine Learning et au Deep Learning.
• Principaux domaines d’application et cas d’usage.
• Enjeux, limites et perspectives de l’Intelligence Artificielle.

Module 3 – Mathématiques & Statistique pour l’IA et la Data Science

Durée : 2 jours

• Algèbre linéaire et outils mathématiques appliqués à la Data Science.
• Probabilités, distributions et statistiques descriptives.
• Corrélation, tests statistiques et régression.
• Optimisation et préparation à la modélisation prédictive.

Module 4 – Python : les fondamentaux

Durée : 2 jours

• Syntaxe, variables, types de données et opérateurs.
• Conditions, boucles et principales structures de données.
• Fonctions, modularité et manipulation des fichiers.
• Gestion des erreurs et bonnes pratiques de programmation.

Module 5 – Gestion de projet Agile

Durée : 1 jour

• Valeurs, principes et organisation d’un projet Agile.
• Rôles, artefacts et cérémonies Scrum.
• Principes de Kanban et gestion des flux.
• Planification, priorisation et suivi collaboratif des projets.

Module 6 – Data Visualisation avec Power BI

Durée : 1 jour

• Principes et bonnes pratiques de Data Visualisation.
• Importation, nettoyage et préparation des données.
• Création de rapports et tableaux de bord interactifs.
• Publication et partage des analyses avec Power BI.

Module 7 – Python pour la Data Science

Durée : 2,5 jours

• Manipulation et préparation des données avec NumPy et Pandas.
• Analyse statistique et exploration des données.
• Visualisation avec les principales bibliothèques Python.
• Introduction à la modélisation avec Scikit-learn.

Module 8 – Text et Data Mining

Durée : 2 jours

• Fondamentaux du Text Mining et du Data Mining.
• Préparation, nettoyage et transformation des données textuelles.
• Classification, clustering et analyse de sentiments.
• Exploration, visualisation et interprétation des résultats.

Module 9 – Machine Learning supervisé & non supervisé

Durée : 2 jours

• Préparation et normalisation des données pour l’apprentissage.
• Régression et classification supervisées.
• Clustering, segmentation et réduction de dimensionnalité.
• Évaluation et interprétation des performances des modèles.

Module 10 – Reinforcement Learning

Durée : 1,5 jour

• Principes fondamentaux de l’apprentissage par renforcement.
• Agents, environnements, états, actions et récompenses.
• Découverte des principaux algorithmes et stratégies d’apprentissage.
• Mise en œuvre et évaluation d’un cas simple de Reinforcement Learning.

Projet fil rouge

Durée cumulée : 3 jours répartis tout au long du parcours

Le projet fil rouge permet aux participants d’appliquer progressivement les compétences acquises à une problématique Data Science contextualisée selon leur secteur d’activité.

Il couvre les principales étapes d’un projet : compréhension de la problématique, collecte et préparation des données, analyse exploratoire, choix des méthodes, construction et évaluation des modèles puis visualisation et interprétation des résultats.

Le projet aboutit à une réalisation Data Science et à une restitution finale, permettant aux participants de présenter leur démarche, leurs choix méthodologiques, les modèles utilisés et les principaux enseignements issus de l’analyse.